CN106339795A - 运营指数综合评价方法 - Google Patents

Abstract

运营指数综合评价方法，涉及信息处理技术领域，解决现有企业运营评价方法存在评估困难且无法全面实现全面分析及判断等问题，一、采用平衡计分卡确定主题域并分别建立各主题域的指标；二、运用层次分析法确定步骤一中各主题域权重；三、运用主成分分析法初步筛选步骤一中各主题域指标；四、运用相关性分析法二次筛选步骤三中各主题域指标；五、运用主成分分析法确定步骤四中各主题域指标的权重；六、根据步骤五最终指标权重计算各主题域指数值，根据步骤二中主题域权重，计算综合运营指数值。采用本发明的评价方法实现了运营指数体系透明的展示各个指标的关系和关联。

Description

运营指数综合评价方法

技术领域

本发明涉及信息处理技术领域，具体涉及一种以企业运营指数综合评价企业运营情况的方法。

背景技术

随着统一运营的深入开展，大数据能力提升，中国联合网络通信集团有限公司(简称“中国联通”)吉林分公司在大数据建设过程中获取了大量的数据，但如何从如此繁杂的数据中提炼出我们所需要的信息，成为了大数据平台建设过程中新的课题，伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。同时，由于这些数据涉及企业核心经营指标，员工的个人隐私，如何在有效使用这些敏感数据的同时又能保证数据安全就变得越来越重要。

针对指标繁杂多样、部门之间差异化、指标之间关系不透明等现状，企业运营急需的一种评价方式来体现企业和员工的运营状态和健康度。但是对于企业运营和健康度目前缺乏全面的、有效的、统一的评价标准，缺失可行的评估手段。传统的电信企业运营情况评估，一般是从人力考核等方面，提出一些薪酬、收入和绩效的一些指标。存在以下缺点：

一、面对种类繁多的指标，深入了解企业动向复杂而困难。二、各部门之间存在考核差异化。三、面对种类繁多的指标，无法全方面为企业决策者分析研究、判断企业动态提供信息。四、无法全方面综合体现企业运营状态。五、各指标之间的关系和关联不透明。

发明内容

本发明为解决现有企业运营评价方法存在评估困难且无法全面实现全面分析及判断等问题，提供一种运营指数综合评价方法。

运营指数综合评价方法，该方法由以下步骤实现：

步骤一、采用平衡计分卡确定主题域并分别建立各主题域的指标；

步骤二、运用层次分析法确定步骤一中各主题域权重；

步骤二一、对各主题域之间重要性程度按照比例标度进行打分，构造判断 矩阵A：

其中，n为主题域个数；

步骤二二、采用几何平均法，计算矩阵中各行元素的n次方根，第i行各元素的n次方根公式：其中，元素i和元素j的重要性之比为a_ij，元素j与元素i的重要性之比为a_ji＝1/a_ij，所述元素i＝1,2…,n；j＝1,2,…n；

步骤二三、计算判断矩阵A的权重W；所述权重

步骤二四、采用一致性检验，判断权重W是否合理；如果判断矩阵A的一致性比率CR<0.1，则权重W符合要求，通过一致性检验；若CR≥0.1，则权重W没有通过一致性检验，则需要重新根据主题域两两之间重要程度打分，直到权重满足一致性检验，即权重合理为止；

步骤三、运用主成分分析法初步筛选步骤一中各主题域指标；

步骤三一、指标数据标准化，采用标准样本变换法，获得指标的均值和标准差；

步骤三二、根据步骤三一中获得的指标的均值和标准差构造相关矩阵，并计算相关矩阵的特征根及对应的特征向量；将所述特征根由大到小排列，分别计算对应的主成分的方差贡献率，并根据方差贡献率的阈值选取合适的主成分个数，进行指标筛选；

步骤四、运用相关性分析法二次筛选步骤三中各主题域指标；利用相关性分析公式，确认各主题域中两两指标相关性，规定一个用于删减的临界值,如果相关性小于删减的临界值，则删除任意两个指标中的一个，否则两个指标均保留。

步骤五、运用主成分分析法确定步骤四中各主题域指标的权重；

采用主成分分析方法，计算出步骤四中各主题域指标所得的主成分的方差贡献率，并与主成分线性系数加权平均求出各主题域指标权重，并对权重归一化处理，获得各主题域最终指标权重；

步骤六、根据步骤五最终指标权重计算各主题域指数值，根据步骤二中主题域权重，计算综合运营指数值。

本发明的有益效果：

(1)本发明所述的方法综合反映一定时期内企业运营的变动方向和变动程度。

(2)本发明所述的方法形成企业运营情况评价的标尺,为评价企业运营情况提供一个参考依据。解决各部门考核指标差异化问题。

(3)本发明为企业决策者分析研究、判断企业动态提供信息，便于对企业运营情况大势走向做出分析。

(4)本发明采用的运营指数体系能够透明展示各个指标的关系和关联。

(5)本发明所述的方法量化体现企业运营状态，以指数体系为引导发现企业运营和员工的短板。

附图说明

图1为本发明所述的运营指数综合评价方法的流程图；

图2为采用标准样本变换法的原理示意图。

具体实施方式

具体实施方式一、结合图1说明本实施方式，运营指数综合评价方法，具体实施方式二、本实施方式为具体实施方式一所述的评价方法的实施例：基于平衡计分卡(BSC)理论，结合联通业务实践及统一运营系统数据加工能力将吉林联通企业运营分为盈利能力、业务活力、客户感知和用工效益四个主题域，并分别建立各个域下的指标体系。它运用层次分析法确定主题域权重，运用相关性分析、主成分分析法等科学算法确定每个域的指标及其权重。最后计算出综合指数和每个域指数，全面的评价各个组织的经营情况。具体为：

一、确定四大主题域和各主题域相关指标

吉林统一运营指数体系基于平衡计分卡(BSC)理论，结合联通业务实践及统一运营系统数据加工能力将吉林联通企业运营分为盈利能力、业务活力、客户 感知和用工效益等四大主题域，并通过将各部门的管理层以及业务经验丰富的人员和业务专家组织起来，初步拟定各主题域相关指标。

平衡计分卡是从财务、客户、内部运营、学习与成长四个角度，将组织的战略落实为可操作的衡量指标和目标值的一种新型绩效管理体系。设计平衡计分卡的目的就是要建立实现战略指导的绩效管理系统，从而保证企业战略得到有效的执行。因此，人们通常称平衡计分卡是加强企业战略执行力的最有效的战略管理工具。

平衡计分卡主要特点，平衡计分卡所包含的五项平衡：

(1)财务指标和非财务指标的平衡。目前企业考核的一般是财务指标，而对非财务指标(客户、内部流程、学习与成长)的考核很少，即使有对非财务指标的考核，也只是定性的说明，缺乏量化的考核，缺乏系统性和全面性。

(2)企业的长期目标和短期目标的平衡。平衡计分卡是一套战略执行的管理系统，如果以系统的观点来看平衡计分卡的实施过程，则战略是输入，财务是输出。

(3)结果性指标与动因性指标之间的平衡。平衡计分卡以有效完成战略为动因，以可衡量的指标为目标管理的结果，寻求结果性指标与动因性指标之间的平衡。

(4)企业组织内部群体与外部群体的平衡。平衡计分卡中，股东与客户为外部群体，员工和内部业务流程是内部群体，平衡计分卡可以发挥在有效执行战略的过程中平衡这些群体间利益的重要性。

(5)领先指标与滞后指标之间的平衡。财务、客户、内部流程、学习与成长这四个方面包含了领先指标和滞后指标。财务指标就是一个滞后指标，它只能反映公司上一年度发生的情况，不能告诉企业如何改善业绩和可持续发展。而对于后三项领先指标的关注，使企业达到了领先指标和滞后指标之间的平衡。

二、运用层次分析法确定主题域权重

(1)对各主题域之间重要性程度按照比例标度尺进行打分，构造判断矩阵(正互反判断矩阵)A：

若元素i和元素j的重要性之比为a_ij，那么元素j与元素i的重要性之比为a_ji＝1/a_ij，其中i＝1,2…,n；j＝1,2,…n；n为主题域个数。

标度是将定性分析转化为定量判断的数据指标，实验结果表明，在区分事物质的差别时，总是用相同、较强、强、很强、极端强的语言，再进一步细分，再相邻的两级之间插入折中的提法，形成九等级。心理学研究也表明“人区分信息等级的极限能力为7±2”的结论。分级太多会超越人们的判断能力，即增加了判断难度，又容易因此而提供虚假数据，所以采用1-9的标度最能反应大多数人的判断能力，所以采纳了1-9标度。

比例标度尺：

标度	含义
		1	表示两个元素相比，具有同样的重要性
3	表示两个元素相比，前者比后者稍重要
		5	表示两个元素相比，前者比后者明显重要
7	表示两个元素相比，前者比后者极其重要
		9	表示两个元素相比，前者比后者强烈重要
2,4,6,8	表示上述相邻判断的中间值

(2)为了从判断矩阵中提炼出有用信息，达到对事物的规律性的认识，为决策提供出科学依据，就需要计算判断矩阵的权重向量，已知的计算的方法有两种，几何平均法(根法)和规范列平均法(和法)，这里采用几何平均法。

1)计算各行元素的n次方根，第i行各元素的n次方根公式：其中i＝1,2…,n；n为主题域个数。

2)计算判断矩阵权重W：权重

3)利用一致性检验，判断权重是否合理。若判断矩阵A的一致性比率CR<0.1， 则认为权重合理，通过一致性检验；若CR≥0.1，没有通过一致性检验，则需要重新根据主题域两两之间重要程度打分，直到满足一致性检验，即权重合理为止。

本实施方式中，所述判断矩阵A的一致性比率的计算过程为：

计算判断矩阵乘积AW：AW＝矩阵A*权重W。

计算最大特征根：(n为主题域个数)。

一致性比率：CR＝CI/RI。其中，一致性指标CI＝(λ_max-n)/(n-1)；RI：平均随机一致性指标。

三、运用主成分分析法(PCA)初步筛选步骤一中各主题域指标。

指标初步筛选主要基于数学挖掘算法中的主成分分析法，利用挖掘算法精选出能代表性的反映主题域的指标，避免指标的重叠，利于以后的计算。

主成分分析法(PCA)把旧的特征数目用更少的特征数目取代，新特征是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的特征数目互不相关。从旧特征到新特征的映射捕获数据中的固有变异性。更重要的是经过降维去除噪声，发现数据中的模式。

主成分分析是研究如何通过少数几个主成分来揭示多个变量间的内部结构，即从原始变量中导出少数几个主成分，使它们尽可能多地保留原始变量的信息，且彼此间互不相关。

主成分分析法的步骤如下：

(1)指标数据标准化

数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。

同趋化处理：主要解决不同性质数据问题，对不同性质指标直接加总不能正确反映不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对测评方案的作用力同趋化，再加总才能得出正确结果。

数据无量纲化：处理主要解决数据的可比性。去除数据的单位限制，将其 转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。

由于指标之间可能存在不同的单位、量纲，变量水平差异很大等情况，无法进行比较，首先应进行标准化处理。已知的标准化处理有三种方法：

假设有l个指标，每个指标有m个变量。则第p个指标的第q个变量的三种标准化处理公式分别为：

一、极值变换法：

$y_{pq}=\frac{X_{pq}-\underset{1\&le;p\&le;m}{\min }{X}_{pq}}{\underset{1\&le;p\&le;m}{\max }{X}_{pq}-\underset{1\&le;p\&le;m}{\min }{X}_{pq}}(1\&le;p\&le;m,1\&le;q\&le;l)$

二、线性比例变换法：

$q_{pq}=\frac{X_{pq}}{\max X_{pq}}(1\&le;p\&le;m,1\&le;q\&le;l)$

三、标准样本变换法：

$y_{pq}=\frac{X_{pq}-\stackrel{\&OverBar;}{X_q}}{S_q}(1\&le;p\&le;m,1\&le;q\&le;l)$

(为均值、S_q为标准差)(此方法处理后：均值为0，方差为1)。

但是目前比较常用的方法是标准样本变换法。

根据图2，对于标准样本变换法最接近实际指标趋势，所以选择标准样本变换法。

构造相关矩阵B

反映标准化后的数据之间相关关系密切程度的统计指标，值越大，说明有必要对数据进行主成分分析。

其中主对角线上元素b_uu＝1，(u＝1，2，…，p)。

(3)确定主成分个数

求矩阵B的特征值及其对应的特征向量。

求特征值λ公式：

|B-λE|＝0

式中E为主对角线元素是1的单位矩阵。

(2)计算相关矩阵的特征根及对应的特征向量。计算方差贡献率，并根据方差贡献率的阈值选取合适的主成分个数，进行指标筛选；

(3)计算方差贡献率，并根据方差贡献率的阈值选取合适的主成分个数。选取原则一般是特征值>＝1且累计贡献率>＝80％。

根据方差贡献率确定出能较大反应整体指标信息的主成分及个数；在每个主成份中留取较大系数(按绝对值)所对应的指标，这使得保留的指标是与该主成份相关性较强的指标，删去那些对主成份影响可忽略不计的冗余信息。

四、运用相关性分析法二次筛选步骤三中各主题域指标。

相关性是描述客观事物相互间关系的密切程度并用适当的统计指标表示出来的过程。在一段时期内出生率随经济水平上升而上升，这说明两指标间是正相关关系；而在另一时期，随着经济水平进一步发展，出现出生率下降的现象，两指标间就是负相关关系。

相关系数是表示变量之间相互关系的数字特征，刻画了变量间的密切程度。在对评价体系进行相关性分析时，用相关系数来度量评价指标之间的影响程度的大小，公式如下：

$r=\frac{{\mathrm{\&Sigma;}}_{p=1}^l(X_p-\stackrel{\&OverBar;}{X})(Y_p-\stackrel{\&OverBar;}{Y})}{\sqrt{{\mathrm{\&Sigma;}}_{p=1}^l{(X_p-\stackrel{\&OverBar;}{X})}^2}\sqrt{{\mathrm{\&Sigma;}}_{p=1}^l{(Y_p-\stackrel{\&OverBar;}{Y})}^2}}$

相关系数r说明：当r＞0时，表明两个变量正相关；当r＜0时，表明两个变量负相关；|r|≤1，且|r|越接近于1，相关程度越大；|r|越接近于0，相关程度越小。

初步筛选后的指标之间可能有较高相关性，造成信息重叠、指标重复，对此可用相关分析法删减重复性的指标，即计算任意两个指标之间的相关系数R，规定一个用于删减的临界值,即相关系数r(0<r<1),如果R<r,则根据重要性的主观 判断，删除任意两个指标中的一个，否则两个皆保留。

五、运用主成分分析法确定步骤四中各主题域指标的权重。

通过主成分分析及相关性分析两种算法加工输出，从联通指标体系中精简出最终指标，这些指标可以极大代表各域的业务本质，且指标与指标之间避免业务重复。

再次利用主成分分析方法，计算出方差贡献率和主成份线性组合系数加权平均求出各指标权重，并对权重归一化处理，得到各域最终指标权重。

六、根据步骤五最终指标权重计算各主题域指数值，步骤二中主题域权重，计算综合运营指数值。

本实施方式中，把指标进行标准化处理，采用定基值，可以把历史某一账期的数据(或者近半年的平均值)作为基数。此处选择近半年的中位数值作为基数值。

考核账期数据/基数值*100。100这个值可以随意。

根据定基值*权重然后再求和，得到主题域指数值。

综合指数＝主题域1指数值*权重1+主题域2指数值*权重2+…+主题域n指数值*权重n。

本实施方式中所述的运营方法提出以画像为过程、指数为结果的表现形式——指数评价体系。运营指数评价体系是从盈利能力、业务活力、客户感知和用工效益四个角度。将组织的战略落实为可操作的衡量指标和目标值的一种新型评价体系。干部、员工指数是从多维度多角度出发，用指数形式将干部和员工画像结果形成评价体系。建立运营指数的最终目的是量化体现企业运营状态，以指数体系为引导发现企业运营和员工的短板，及时调整和帮扶。

Claims (5)

1.运营指数综合评价方法，其特征是，该方法由以下步骤实现：

步骤一、采用平衡计分卡确定主题域并分别建立各主题域的指标；

步骤二、运用层次分析法确定步骤一中各主题域权重；

步骤二一、对各主题域之间重要性程度按照比例标度进行打分，构造判断矩阵A：

其中，n为主题域个数；

步骤二二、采用几何平均法，计算矩阵中各行元素的n次方根，第i行各元素的n次方根公式：其中，元素i和元素j的重要性之比为a_ij，元素j与元素i的重要性之比为a_ji＝1/a_ij，所述元素i＝1,2…,n；j＝1,2,…n；

步骤二三、计算判断矩阵A的权重W；所述权重

步骤二四、采用一致性检验，判断权重W是否合理；如果判断矩阵A的一致性比率CR<0.1，则权重W符合要求，通过一致性检验；若CR≥0.1，则权重W没有通过一致性检验，则需要重新根据主题域两两之间重要程度打分，直到权重满足一致性检验，即权重合理为止；

步骤三、运用主成分分析法初步筛选步骤一中各主题域指标；

步骤三一、指标数据标准化，采用标准样本变换法，获得指标的均值和标准差；

步骤三二、根据步骤三一中获得的指标的均值和标准差构造相关矩阵，并计算相关矩阵的特征根及对应的特征向量；将所述特征根由大到小排列，分别计算对应的主成分的方差贡献率，并根据方差贡献率的阈值选取合适的主成分个数，进行指标筛选；

步骤四、运用相关性分析法二次筛选步骤三中各主题域指标；利用相关性分析公式，确认各主题域中两两指标相关性，规定一个用于删减的临界值,如果相关性小于删减的临界值，则删除任意两个指标中的一个，否则两个指标均保留。

步骤五、运用主成分分析法确定步骤四中各主题域指标的权重；

采用主成分分析方法，计算出步骤四中各主题域指标所得的主成分的方差贡献率，并与主成分线性系数加权平均求出各主题域指标权重，并对权重归一化处理，获得各主题域最终指标权重；

步骤六、根据步骤五最终指标权重计算各主题域指数值，根据步骤二中主题域权重，计算综合运营指数值。

2.根据权利要求1所述的运营指数综合评价方法，其特征在于，步骤二四中，判断矩阵A的一致性比率CR的计算过程为：首先计算判断矩阵乘积AW＝判断矩阵A*权重W，其次计算最大特征根：然后计算一致性指标CI＝(λ_max-n)/(n-1)，最后得到一致性比率CR＝CI/RI，其中，RI为平均随机一致性指标。

3.根据权利要求1所述的运营指数综合评价方法，其特征在于，步骤三一中，标准样本变换法的公式为：

$y_{pq}=\frac{X_{pq}-\stackrel{\&OverBar;}{X_q}}{S_q}(1\&le;p\&le;m,1\&le;q\&le;l)$

式中，l为指标的个数，有m为每个指标含有的变量数目，p和q则为第p个指标的第q个变量；为均值、S_q为标准差。

4.根据权利要求1所述的运营指数综合评价方法，其特征在于，步骤三二中，所述相关矩阵表示为：

其中主对角线上元素b_uu＝1，(u＝1,2，...，p)。

求取特征值λ的公式为：

|B-λE|＝0

式中E为主对角线元素是1的单位矩阵；其它位置为0的单位矩阵。

5.根据权利要求1所述的运营指数综合评价方法，其特征在于，步骤三二中，计算对应的主成分的方差贡献率，根据方差贡献率的阈值选取合适的主成分个数，所述选取主成分个数的原则为特征值>＝1且累计贡献率>＝80％。